CoTranslator 提出一种反向到正向的思维链翻译器，用于推理蒸馏。它先用已知答案生成廉价的反向 CoT，再学习将其翻译为接近经拒绝采样验证的正向 CoT 分布，从而在保持学生无答案推理一致性的同时降低教师调用成本。在六个数学基准上平均准确率最高提升 5.82 个百分点，4B 学生以约 36% 算力保留 95% 拒绝采样精度，并可零重训迁移到新数据集、教师和 STEM 任务。

#reasoning-distillation #chain-of-thought

已过时译

大模型arXiv cs.CL4 天前

Wolof-Adapted Industry-Ready Open-Weight Language Models

该论文发布0.6B-14B开源权重模型，通过指令微调、偏好对齐与模型融合适配沃洛夫语（2300万使用者），在63项任务上表现良好，8B/14B模型可与更大商业系统竞争，已在客服试点并公开于Hugging Face。

#llm #multilingual

已过时译

大模型arXiv cs.CL4 天前

PRISM: Transfer and Limits of Activation Interventions in Tool-Calling Language Models

PRISM 框架研究工具调用语言模型中激活干预的可迁移性，发现利用量化 NF4 标签和跨语言迁移可稳定估计安全干预方向，无需目标语言微调即可将 Llama-3.1-8B 的不安全违规降低 21.95 个百分点，并可迁移至 70B 模型。

#llm #alignment

已过时译

大模型arXiv cs.CL4 天前

APRiL: An Open-ended Benchmark for Chinese Social Awareness in Large Language Models

APRiL 是一个面向中文社会意识的开源评测基准，含 2196 个评测实例、六大类别与两项任务：社会情境分析与社会意识回应。它用实例专属评分标准弥补现有基准覆盖面窄的问题，并在 12 个模型上发现「理解强、回应弱」的稳定差距，为中文社交场景下的模型评估提供系统资源。

#benchmark #llm

已过时译

大模型arXiv cs.CL4 天前

Verdict: Encode Once, Decide Many

Verdict-MQ 提出一种共享状态编码器：对同一份输入只编码一次，用结构化注意力掩码让状态表示与问题无关、问题之间互不影响、选项顺序无关，从而一次回答多个类型化决策问题。395M 模型在类型化决策基准上优于 421M 专用模型，但 RACE/BoolQ 上不及微调基线。

#encoder #attention

已过时译

大模型arXiv cs.CL4 天前

Reference-Guided Turn-Taking Style Transfer for Full-Duplex Spoken Language Models

该研究在全双工语音语言模型中发现一个决定「何时抢话」的晚期残差流方向——initiative vector，无需训练或标注即可从模型自身对话中提取。缩放该方向可将说话占比从 6-12% 调至 42-61%，并能用一段短参考录音把特定说话人的轮流风格迁移到模型上，且迁移具有参考特异性。

#speech #full-duplex

已过时译

大模型arXiv cs.CL4 天前

Does Personalization Break Trust? Open-Set Rejection Calibration Under Few-Shot On-Device Intent Adaptation

研究发现，设备端少样本LoRA个性化虽能学会新指令，却会削弱助手对范围外输入的拒识能力（AUROC平均下降0.055–0.258），部分源于置信度打分器失准，也与嵌入边界收缩相关。改用马氏距离打分无需重训即可在5个数据集中的3个恢复大部分性能且不损精度，对端侧助手可靠性有直接价值。

#lora #few-shot

已过时译

大模型arXiv cs.CL4 天前

CoTS: Competitive Token Selection for Latent Reasoning in Large Language Models

CoTS 提出一种免训练的隐式推理框架，用最高两个候选 token 的概率竞争动态调节离散承诺与软探索的强度，替代传统阈值硬切换，无需额外前向计算，在六个推理基准上优于标准 CoT 及现有免训练隐式推理方法。

#llm #reasoning

已过时译

大模型arXiv cs.CL4 天前

Exploring the Design Space of Permutation Diffusion LLMs

该论文研究用扩散语言模型生成排列的问题，对比三种参数化方式：硬分配、软分配和直接排序打分。在亚马逊推荐重排任务上，直接排序打分无需匈牙利算法或Sinkhorn归一化即可保证有效排列，且多次函数评估未必提升排序质量，表明噪声、参数化、目标与解码器需联合设计。

#diffusion-llm #permutation

已过时译

大模型arXiv cs.CL4 天前

Context Injection and Long-Horizon Reliability: Separating Duplicate Recognition, Local Processing, and Counter Tracking

该论文将长程任务失败拆解为三个可逐步评分的组件：重复识别、局部处理和计数器追踪，在400步账本任务中测试Qwen3-8B。发现重复识别错误在后期上升，而插入无关内容会使计数器在全部种子中失败，但外部精确状态提醒可在一两步内纠正。揭示了聚合错误分类会掩盖组件差异。

#llm #long-context

已过时译

大模型arXiv cs.AI4 天前

Recursive Reward Improvement via Adversarial Meta-Prompt Evolution

提出 RRI（递归奖励改进）方法，用对抗性元提示演化监督模型自写评分标准：先让对手模型写出钻空子的答案，再让同一模型写诚实答案，通过最多两步修复使诚实答案胜出，并将发现的漏洞反馈到后续任务生成。在 HealthBench Professional 上较基线提升 10.9-12.4 分，且无需外部模型，显著改善开放式专家任务的自改进效果。

#llm #self-improvement

已过时译

大模型arXiv cs.AI4 天前